MAKEUP — один із найбільших e-commerce-проєктів у сфері онлайн-ритейлу косметики та парфумерії. Компанія працює на ринку 17 років і представлена у 40 країнах світу, каталог налічує понад 200 000 товарів та понад 340 млн користувачів.
Наша AI-команда розробляє сервіси, якими щодня користуються клієнти та співробітники: LLM асистентку Sofi з RAG, гібридний пошук товарів за текстом і фото, Skin Analyzer для аналізу стану шкіри за фото та внутрішні AI-інструменти для code review, тестування й роботи зі знаннями. Базова ML-інфраструктура вже стабільно працює в production, і ми розширюємо команду, щоб розвивати наявні сервіси та запускати нові.
Шукаємо Senior ML/AI Engineer, якому цікаво не просто тренувати моделі, а доводити їх до реальних сервісів. У нас ML-інженер сам проходить увесь цикл від даних до сервісу в production. Це hands-on роль в AI-команді з підпорядкуванням AI Team Lead. Напрямки і пріоритети визначені, а архітектурні рішення ухвалюємо разом через design review.
Що саме буде в твоєму фокусі:
— Розробка й розвиток AI-сервісів: RAG-пайплайни, агентні сервіси, гібридний пошук за текстом і фото, CV-рішення, внутрішні AI-інструменти.
— Тренування й донавчання моделей (CV, embedding,reranker) або побудова рішень на базі готових LLM — залежно від задачі.
— Робота з даними: підготовка датасетів, кластеризація, пошук дублікатів і аномалій, пайплайни підготовки даних.
— Розгортання моделей як мікросервісів інференсу, версіонування моделей і CI/CD.
— Моніторинг якості, latency і витрат та їх оптимізація: кешування, роутинг між моделями, self-hosted моделі.
— Дослідження нових моделей і підходів (open-weight LLM, мультимодальні моделі, нові техніки пошуку й ранжування) та їх перевірка на наших даних перед виходом у production.
— Запуск AI-функцій, якими щодня користуються клієнти MAKEUP, з вимірюваним впливом на реальні метрики.
Що важливо для цієї ролі:
Досвід:
— 4+ роки в ML або backend-розробці.
— Практичний досвід запуску AI-сервісів у production: не окремих моделей чи прототипів, а сервісів, які ти підняв, вивів під реальне навантаження та підтримував.
— Досвід тренування й fine-tuning моделей.
— Досвід побудови агентних систем.
Знання та навички:
— Сильний Python і досвід написання production-коду.
— Розгортання моделей: контейнеризація, сервінг моделей, робота з GPU.
— Мікросервісна архітектура: API, черги, кешування, обробка відмов.
— LLM-системи: RAG, embeddings, векторні БД, tool calling, structured outputs, оцінювання якості.
— Розуміння, де потрібен агентний підхід, а де надійніший детермінований пайплайн.
— Класичний ML і робота з даними: кластеризація, feature engineering, SQL.
— MLOps: трекінг експериментів, версіонування моделей, CI/CD, моніторинг у production.
Буде перевагою:
— Розгортання моделей у хмарі на GPU (AWS, GCP, Azure або аналоги): вибір інстансів, автомасштабування, контроль витрат.
— LLM observability: трейсинг і логування запитів до моделей, Prometheus, Grafana. — Досвід у Computer Vision: сегментація, класифікація, детекція.
— Побудова аналітичних і рекомендаційних систем, e-commerce search.
— Квантизація LLM та оптимізація інференсу моделей.
— Формування датасетів і сигналів із логів та поведінки користувачів.
— Кластеризація та feature extraction для текстів, зображень і поведінки користувачів.
Етапи найму: Знайомство з рекрутером → Технічне інтервʼю з AI Team Lead → Фінальна зустріч із CTO → Job Offer
Що ти отримаєш у MAKEUP:
— Масштаб, який відчуваєш. Твої AI-сервіси щодня використовують мільйони клієнтів у 40 країнах, і їхній вплив видно на реальних метриках.
— Production, а не прототипи. Базова ML-інфраструктура вже працює, тож ти одразу розвиваєш живі сервіси, а не будуєш все з нуля.
— Повний цикл. Від даних і моделі до сервісу в production.
— Короткий шлях від ідеї до рішення. Спільні design review з командою і пряма взаємодія з AI Team Lead та CTO.
— Гнучкий формат. Можна працювати з офісу в Києві або віддалено.
— Конкурентна компен
